大模型行业正处于快速发展阶段，基础设施加速建设和模型能力迅速提升，企业开始重视并评估Agent产品化的效益。行业已从技术储备转向实际应用场景，全球范围内人工智能的浪潮和各国对AI的政策导向，以及算力和大模型技术的国产化进程，共同推动行业发展。
核心观点与关键数据：
- 大模型演进规律：
- 代能力已成为Agent操作的基本工具，代能力与真任能力基本等同。
- 模型正在强化实务强画号框，升具有行任操作工具能力的工作平台，真正走入工作场景。
- 衡量模型成本的指标从对话级别为执行任务标正每百万token的价格向每完成一成功任的成本转变。
- 国产算力趋势：
- 美的将Lone car模型训练和推理全流程基于国产GPU，标志着国产在大模型和推理上的重要突破。
- 国产训练推理全流程中的算力使用将持续增长，算力是不可阻的展，人工智能自主可控至关重要。
- 大模型发展历程：
- 经历了五个阶段：Transfer学习阶段（2017-2019年）、模化与预训练规阶段（2020-2021年）、GPT产品化阶段（2022-2023年）、多模态与国产化并行阶段（2023-2024年）、推理模型和Agent能力主导阶段（2025-2026年）。
- 产业投资重点：
- 大模型的投资重点是不追逐和适能力模型能力的化，产业投资点断踪应变。
- AI产业链现状：
- 基建端：头部大厂的本支加速产业链维显头资开，成为AI的收入源。
- 模型端：源模型仍保持先，但源模型发展迅速，追赶速度加快，且具产业链来闭领开发备解工程的能力，正走向模型能力平。
- 落地端：AIGC产品初步具品形，如文生成、信产备产态档息索等方面取得一定展，但在非程景下的成品定性有待提升，目前主要在高准化、可检进编场稳频标验证的工作流中落地。
- 行业动态与市场趋势：
- OpenAI发布GPT5.6、Anthropic发布Code系列模型、SOPC发布科发allstate5模型、美布基于团发国产3D的最大全流程化大模型——迅推新国产龙kt 2.0、阿里发布发2.8万的亿参数km k3。
- 出口管制大模型替代的推作用，以及代域作高价值入口的重要性。
- 强调对国内国产动码领为。
- 公司案例分析：
- 质谱：通过API和agent部署收入构型，实现结转，重海外市侧与场C端用。
- 科大飞：借背景与算力优，在政企市展大力。
- 阿里云千问：更偏向于平台化，通源模型建立者生，并合阿里云白平台和自研问战过开开发态结链AI芯片形成AI云底座。
- 字节跳动豆包：聚焦C端，以豆包为核心推品化，流量入口、推荐系和多模容。
- MiniMax：面向深度大模型玩家和企用，尤其在高客价景中提供单场服，主打多模放平台。
- 科大讯飞：唯二有算力全流程自主可控的大模型底座，具背景以及全流程算力的优。
研究结论：
- 大模型行业正从泡沫到成熟的过，业经历从过强了商、降低成本、提高效率的重要性，以及未多入口、多平台、多景并存的格局。
- 大模型的商业模式不成熟，但作为智能底座未生模式和源分配础为业对较为对来产资具有深影。
- 源模型不是行利空，反而是人工智能的时对闭压场缩开仅业产业加速器，投生影，化用、工具和基施的投价值，同对资逻辑产响强应层层础设层资时带来AI相需求的增关加。
- 大模型商业模式的未来发展趋势是模型公司未可能向平台型，提供行解方案或定算力源间将续压缩来转业决绑资进行云和硬件生。
- 市场投资框架应梳理AI领域的机会，包括大模型本身、AI芯片、据中心到数AI用的整。
- 未来大模型发展的推演包括：前沿模型保持先，推继续领动GPU高存与先封等基施的带宽储进装础设需求；源模型能力持追赶源模型，降低开续闭AI用入，拓用景并拉应进门槛宽应场动AI硬件需求；探索新的范式，如世界模型，可能削弱甚至替代transfer m架构。
